学术报告模板下载讲述.ppt

问题描述 分簇后，以 为目标来计算簇内节点的校正步长。位置校正矢量的作用是使簇内所有邻居节点之间经过位置校正后，计算距离与测量距离差值的总和最小化，因此求校正步长的问题可以描述为一个多元函数最小化问题。 2.2 分簇计算矫正步长 簇内网络整体位置最优化 假设簇内有N个未知节点，它们的估计位置分别为Pi=(xi, yi) ，LCV分别为 ，i=1，2，?，N，待求步长为step，step是一个由stepi组成的N维向量。 问题的目标函数可以表示为 其中， R为节点的通信半径 为簇内节点i、j之间的距离测量值 为簇内节点之间的实际距离 2.2 分簇计算矫正步长 2.2 分簇计算矫正步长 粒子群算法 2.2 分簇计算矫正步长 粒子群优化(PSO)算法是一种新颖的演化算法, PSO的优势在于简单而又功能强大。它属于一类随机全局优化技术, PSO算法通过粒子间的相互作用在复杂搜索空间中发现最优区域。 参数只需要最简单的设置： PSO粒子的长度等于簇内未知节点的个数 每一维分量对应一个节点的校正步长 目标函数作为适应度函数 2.3 簇边缘附加矫正 簇内节点的相对位置的最优化并不意味着全局网络所有节点的位置实现了最优化，有可能存在簇整体平移或者簇间距离误差反而增大的问题。因此考虑对簇与簇之间的位置进行调整。 基于矢量的无线传感器网络节点定位综合算法 《通信学报》 汇报人：XXX 目录 1 引言 2基于校正矢量和粒子群优化的节点定位综合算法 3 算法仿真实验及结果 本文目录结构 4 总结 引言 TDOA(Time Difference of Arrival)算法 RSSI(Received signed Strength Indicator)算法 已知基站发送端发射功率，在接收节点测量接收功率，计算信号的传播损耗； 使用信号衰减模型将传播损耗转化为距离。 在节点上安装超声波收发器和RF收发器,记录两种不同信号在两个节点中的传播时间差； 由传播时间差计算得到距离。 1引言 DV-HOP 定位算法 质心定位算法 锚节点每隔一段时间向邻节点广播一个信号(自身ID 和位置信息)。当未知节点接收到来自不同锚节点的信号数量超过某一个值后，则确定位置为这些锚节点所组成的多边形的质心。 计算未知节点与锚节点的最小跳数；根据估算距离公式，计算未知节点和锚节点的实际距离；利用三边测量法计算位置信息 1引言 DV-HOP算法 RSSI算法 TDOA算法 质心定位算法 凸规划定位算法 TOA算法 1引言 1引言 基于校正矢量和粒子群优化的节点定位综合算法 2基于校正矢量和粒子群优化的节点定位综合算法 2.1 位置校正矢量（LCV） 2.2 分簇计算校正步长 位置校正矢量 校正步长 位置校正值 2.3 簇边缘附加矫正 2.1 位置校正矢量 未知节点通过DV-hop算法得到自身的估计位置，将其与邻居节点估计位置之间的距离记为“计算距离”。 而通过RSSI等测距方法得到的与邻居节点间的距离记为“测量距离”。 引入位置校正矢量的目的就是通过调整节点的位置，尽可能缩小计算距离与测量距离之间的差别，因此LCV的每个分量是沿着未知节点到某个邻居节点的方向，分量的大小为对应的计算距离与测量距离的差值。 2.1 位置校正矢量 图1 位置矫正矢量图 固定节点的位置校正矢量 2.1 位置校正矢量 假设节点S通信范围内有N个邻居节点，节点自身的估计位置为PS=(xs, ys)， N个邻居节点的估计位置为Pi=(xi, yi) ，节点S与第i个邻居节点的计算距离为dci 2.1 位置校正矢量 节点S获得的N个测距值为dmi，i=1，2，?，N。节点S与第i个邻居节点的差异值的大小可以表示为ui 2.1 位置校正矢量 节点S与第i个邻居节点位置校正矢量的矢量方向表示为 因此，节点S的合成LCV为 图2 位置矫正矢量图 （实线为节点实际位置，虚线为节点估计位置） 2.1 位置校正矢量 移动节点的位置矫正矢量 2.1 位置校正矢量 对于移动节点，初始位置估计方法： 移动节点Sm在tk+1时刻的初步估计位置等于其在tk时刻的定位结果的基础上加上 2.1 位置校正矢量 2.1 位置校正矢量 假设节点密度不变 S S tk tk+1 0 X Y 图3 移动节点的初始定位 移动节点用距离变化值代替距离值构建LCV（位置校正矢量），过程如下： 2.1 位置校正矢量 Sm与第i个邻居节点的计算距离为 测量距离为 tk时刻 Sm与第i个邻居节点的计算距离为 测量距离为 tk+1